Continuous difference-in-differences with double/debiased machine learning
结合双重／去偏机器学习的连续处理双重差分AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究连续处理双重差分、条件平行趋势识别及处理效应的去偏推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
结合双重／去偏机器学习的连续处理双重差分
- 研究问题
- 如何将双重差分扩展到连续处理，在各处理强度上识别已处理者平均处理效应，并控制干扰参数估计偏差？
- 方法与思路
- 作者在条件平行趋势假设下识别目标，使用双重／去偏机器学习估计，并以乘子 bootstrap 构造一致置信带。
- 材料陈述的贡献
- 摘要称，估计量具有渐近正态性，提供一致方差估计和置信带，并重新分析一九八三年医保支付制度改革。
- 阅读关注点
- 应核对不同强度 ATT 的定义、条件平行趋势和支持要求，以及条件密度估计、调参和统一推断所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出完整正则条件及改革效应数值，平行趋势仍需审查。
原文摘要
This paper extends difference-in-differences to settings with continuous treatments. Specifically, the average treatment effect on the treated (ATT) at any level of treatment intensity is identified under a conditional parallel trends assumption. Estimating the ATT in this framework requires first estimating infinite-dimensional nuisance parameters, particularly the conditional density of the continuous treatment, which can introduce substantial bias. To address this challenge, we propose estimators for the causal parameters under the double/debiased machine learning framework and establish their asymptotic normality. Additionally, we provide consistent variance estimators and construct uniform confidence bands based on a multiplier bootstrap procedure. To demonstrate the effectiveness of our approach, we revisit a previous study on the 1983 Medicare Prospective Payment System reform, reframing it as a DiD with continuous treatment and non-parametrically estimating its effects.